Sustainabl Agent Surface
Todos los artículos publicados en español, por fecha, categoría y autor.
74 artículos · Página 1 de 4
Hay tecnologías que existen mucho antes de que alguien las haga utilizables. El correo electrónico llevaba décadas antes de que Hotmail le enseñara a su madre cómo usarlo. La navegación GPS existía en dispositivos militares años antes de que un aparato de cien dólares le dijera a un conductor de reparto por dónde girar.
Hay una conversación que los equipos directivos de industrias pesadas llevan años posponiendo. No es sobre tecnología. Es sobre qué significa, con precisión, tomar una buena decisión operativa cuando los datos que la sustentan viven dispersos en doce sistemas distintos, cuatro departamentos incomunicados y un historial de mantenimiento que nadie ha digitalizado del todo.
Hace dos años, la mayoría de los directivos que conozco discutían sobre qué modelo de lenguaje elegir. Hoy, los que ya tomaron esa decisión —y aun así no pueden justificar una segunda ronda de inversión— empiezan a entender que el problema nunca fue el modelo. Fue la medición. El sector empresarial lleva varios años adoptando inteligencia artificial a ritmo acelerado, pero solo un tercio de las organizaciones ha comenzado a escalarla con consistencia.
Hay una conversación que la mayoría de los líderes evita con una precisión casi quirúrgica. No la de las metas no alcanzadas, ni la del despido difícil. Hay otra, más silenciosa y más costosa: la del empleado que perdió a alguien y simplemente dejó de rendir como antes.
Más de la mitad de las grandes organizaciones del mundo ya tiene inteligencia artificial generativa operando en alguna parte de su negocio. Eso es un hecho documentado. Lo que no se documenta con la misma facilidad es lo que ocurre debajo de esa estadística: sistemas que procesan datos sensibles sin que nadie haya definido quién los supervisa, agentes autónomos que toman decisiones dentro de flujos de trabajo que ningún equipo de seguridad ha auditado, y capas de gobernanza que llegaron tarde o directamente no llegaron.
Hay un momento específico en la carrera de ciertos ingenieros de petróleo cuando la geología deja de ser un problema técnico para convertirse en una pregunta moral. Mike Matson, hoy CEO y cofundador de Birch Geothermal, dice haberlo experimentado mientras trabajaba como ingeniero de perforación y yacimientos en Kinder Morgan. Lo llamó un 'despertar climático'.
Hay un momento específico en el que el lenguaje corporativo se vuelve auto-delator. Ocurre cuando la misma empresa que anuncia que sus agentes de inteligencia artificial pueden trabajar solos, en paralelo, sin supervisión, y entregar resultados antes de que nadie los pida, presenta en el mismo evento una batería de herramientas cuya única función es vigilar a esos agentes, corregirlos y deshacer lo que hicieron mal. Eso es exactamente lo que sucedió en el AWS Summit de Nueva York en junio de 2026.
Durante cuatro semanas de conflicto con Irán, Estados Unidos disparó aproximadamente 850 misiles Tomahawk. La tasa de reposición del Pentágono era de unos 90 por año. La aritmética es brutal: el país consumió casi una década de producción en un solo mes de operaciones.
Hay una promesa implícita en toda plataforma dominante: que el software que ya funciona seguirá funcionando. Durante cuatro décadas, esa promesa fue el contrato silencioso entre Windows y el mundo empresarial. Millones de aplicaciones x86, escritas con distintos grados de rigor técnico, acumuladas en servidores corporativos, laptops de contabilidad y sistemas de producción industrial, sobreviven porque nadie quiso tocarlas.
Hay una imagen que persiste en la memoria corporativa de Silicon Valley: la etiqueta
Hay un dato en esta historia que merece detenerse antes de hablar de rondas de financiación o modelos de lenguaje: según el CEO de Orbital Industries, desarrollar un nuevo fluido refrigerante para centros de datos tomaría, en condiciones normales, diez años y cien millones de dólares. La compañía dice haberlo hecho en meses, a una fracción de ese costo. Si ese dato resiste la validación de los grandes fabricantes de chips, no estamos ante un logro de laboratorio.
Hay un relato que circula con comodidad en los directorios: la inteligencia artificial va a eliminar puestos, reducir nómina y liberar capital. Es un relato cómodo porque tiene la forma de una decisión financiera limpia. El problema es que los datos no lo sostienen.
Hay una escena que se repite en casi todas las empresas medianas que conozco. El equipo de tecnología presenta un piloto de inteligencia artificial. Los números iniciales son prometedores. El directorio aprueba la inversión. Y seis meses después, el piloto sigue siendo un piloto.
Existe una estadística que lleva décadas circulando en salas de juntas sin provocar la incomodidad que merece: entre el 60 y el 75 por ciento de los grandes procesos de transformación organizacional fracasan o quedan muy por debajo de sus objetivos declarados. El dato no es nuevo. Lo que sí es nuevo —o debería serlo— es empezar a tomarlo en serio como un síntoma de algo estructural en la manera en que el liderazgo concibe el cambio.
Hay una creencia que recorre los pasillos de casi toda organización que ha invertido en inteligencia artificial en los últimos ocho años. La creencia de que el problema es siempre de cantidad. Más datos. Más tokens. Más cobertura. Más historia almacenada.
El CEO de un grupo de gestión de viajes aparece en televisión para hablar de tendencias del sector y, en los primeros minutos, dice algo que debería incomodar a más de un directivo en la industria: la demanda no está cambiando de destino, está cambiando de razón de ser. Abel Zhao, CEO del grupo CSTS Enterprises, describió ante CNBC cómo los viajes liderados por la experiencia están desplazando los patrones de demanda tradicionales. No lo dijo como una observación académica.
Durante años, los equipos de datos y los equipos de IA en las grandes corporaciones operaron como departamentos de países distintos. Los primeros construían almacenes, catálogos y pipelines. Los segundos desplegaban modelos, APIs y agentes. El resultado era predecible: los agentes de IA llegaban al entorno de producción y colapsaban ante datos que nadie había preparado para que una máquina autónoma pudiera leer, interpretar y actuar sobre ellos.
Hay momentos en la historia industrial donde la infraestructura deja de ser el cuello de botella. Cuando eso ocurre, lo que queda expuesto no es un problema técnico. Es un problema humano. Eso es lo que está ocurriendo ahora con OpenClaw, el framework de agentes de inteligencia artificial desarrollado por el austríaco Peter Steinberger a finales de 2025.
Sesenta por ciento de los directores de Recursos Humanos dice que la ausencia de inteligencia emocional es la barrera número uno para llegar al CEO. La pregunta incómoda no es qué desarrollar primero, sino por qué tantos líderes prefieren no responderla.
Cuando Waymo estaciona sus Jaguar I-Pace en las calles de Londres, no está probando tecnología: está probando si una organización construida sobre promesas en San Francisco puede sostenerlas bajo la presión de un entorno radicalmente distinto.
Uno de cada tres empleados estadounidenses usa sustancias durante la jornada laboral para sobrevivir el estrés. Antes de buscar la política correcta, el liderazgo debería preguntarse qué arquitectura cultural fabricó esa necesidad.
Cuando un gobierno local vota por borrar del mapa su propio municipio en nombre de la transición energética, no estamos ante una anécdota urbanística. Estamos ante el caso más descarnado de lo que significa tomar una decisión que ningún modelo de gestión te enseña a tomar.
Un ataque incendiario en San Francisco no es solo un hecho policial: es el síntoma más literal y físico de lo que ocurre cuando un líder subestima el peso de sus propias palabras sobre una sociedad que le teme.
El 60% de los viajeros en Asia-Pacífico ya usan IA para planear sus rutas. Lo que nadie en la industria quiere admitir es que esa cifra no mide adopción tecnológica: mide cuánto poder de negociación acaban de perder las agencias de viaje tradicionales.